文章详细阐述了Redis的更新策略，包括内存淘汰、超时剔除和主动更新，并探讨了如何在并发情况下保证Redis与MySQL的一致性，提出了延迟双删等解决方案。同时，文章讨论了缓存穿透和缓存雪崩的问题及对应的预防措施，如使用布隆过滤器和设置随机过期时间。最后，提到了Redis故障时的服务熔断和限流机制以及构建高可用集群的方法。
目录
原子问题：如何保证【先更新数据库 ，再删除缓存】这两个操作能执行成功
缓存数据存储于代码中,而代码运行在内存中,内存的读写性能远高于磁盘,缓存可以大大降低用户访问并发量带来的服务器读写压力
缓存模型和思路
标准的操作方式就是查询数据库之前先查询缓存，如果缓存数据存在，则直接从缓存中返回，如果缓存数据不存在，再查询数据库，然后将数据存入redis。
Redis更新策略
内存淘汰：redis自动进行，当redis内存达到咱们设定的max-memery的时候，会自动触发淘汰机制，淘汰掉一些不重要的数据(可以自己设置策略方式)
超时剔除：当我们给redis通过EX或PX设置了过期时间TTL之后，redis会将超时的数据进行删除，方便咱们继续使用缓存
主动更新：我们可以手动调用方法把缓存删掉，通常用于解决缓存和数据库不一致问题
业务场景：
- 低一致性需求：使用内存淘汰机制
- 高一致性需求：主动更新，并以超时剔除作为兜底方案
如何保证Redis和MySQL一致性 ！！！
Cache Aside 策略，也叫旁路缓存策略，确保一致性。该策略又可以细分为读策略和写策略
写策略的步骤：
- 更新数据库中的数据；
- 删除缓存中的数据。
读策略的步骤：
- 如果读取的数据命中了缓存，则直接返回数据；
- 如果读取的数据没有命中缓存，则从数据库中读取数据，然后将数据写入到缓存，并且返回给用户。
先删除缓存，再更新数据库
正常情况：
<1> 线程1删除缓存
<2> 线程1更新数据库
<3> 线程2查询缓存未命中，查询数据库
<4> 线程2将数据库中的数据重新写入缓存
并发问题情况
<1> 线程1 删除缓存 。此时，线程2查询缓存，未命中，查询数据库
<2> 线程2 读取数据库中的数据为20
<3> 线程2 更新缓存
<4> 线程1 更新数据库为10
结果：数据库和缓存中的数据不一致
解决方案：延迟双删
线程1进行延迟双删，思路如下：
线程1加了个睡眠时间，主要是为了确保请求 线程1在睡眠的时候，线程2能够在这这一段时间完成[从数据库读取数据，再把缺失的缓存写入缓存]的操作，然后线程1 睡眠完，再删除缓存。
关键点：线程1的睡眠时间就需要大于线程2 【从数据库读取数据 + 写入缓存】的时间
自注：除去第一遍删除缓存操作，整体解决类似先更新数据库，再删缓存的思路。
#删除缓存
thread1:redis.delKey(X)
#更新数据库
thread1:db.update(X)
#睡眠
thread1.sleep(N)
#再删除缓存
thread1:redis.delKey(X)先更新数据库，再删除缓存
正常情况：
<1> 线程2 更新数据库数据为20
<2> 线程2 删除缓存
<3> 线程1 查询缓存未命中，查询数据库
<4> 线程1 写入缓存
并发问题情况
<1> 线程1 查询缓存未命中，查询数据库值为10(旧值)。此时，线程2 更新数据库更新值为20(新值)
<2> 线程2 删除缓存
<3> 线程1写入缓存，此时写入值为10(旧值)
结果：数据库和缓存中的数据不一致
但是在实际中，这个问题出现的概率并不高。因为缓存的写入通常要远远快于数据库的写入，所以在实际中很难出现线程2已经更新了数据库并且删除了缓存，线程1才更新完缓存的情况。
为确保万无一失：可以在写入缓存时，添加过期时间进行兜底。即使出现上述情况，缓存过一段时间也会被删除，下次查询缓存未命中，查询数据库，依然可以更新为新值
原子问题：如何保证【先更新数据库 ，再删除缓存】这两个操作能执行成功
应用要把数据 X 的值从 1 更新为 2，先成功更新了数据库，然后在 Redis 缓存中删除 X 的缓存，但是这个操作却失败了，这个时候数据库中 X 的新值为 2，Redis 中的 X 的缓存值为 1，出现了数据库和缓存数据不一致的问题。
解决方案一：重试机制
引入消息队列，将第二个操作（删除缓存）要操作的数据加入到消息队列，由消费者来操作数据。
- 如果应用删除缓存失败，可以从消息队列中重新读取数据，然后再次删除缓存，这个就是重试机制。当然，如果重试超过的一定次数，还是没有成功，我们就需要向业务层发送报错信息了。
- 如果删除缓存成功，就要把数据从消息队列中移除，避免重复操作，否则就继续重试。
解决方案二：订阅 MySQL binlog，再操作缓存
先更新数据库，再删缓存的策略的第一步是更新数据库，那么更新数据库成功，就会产生一条变更日志，记录在 binlog 里。我们就可以通过订阅 binlog 日志，拿到具体要操作的数据，然后再执行缓存删除。
一致性问题小结
| 先更新数据库，再更新缓存 | 如果我们的业务对缓存命中率有很高的要求，我们可以采用 先更新数据库 + 后更新缓存 的方案，因为更新缓存并不会出现缓存未命中的情况 缺点：数据一致性差 解决方案：在更新缓存前先加个分布式锁，并且更新缓存时，加上较短的过期时间 |
| 先更新缓存，再更新数据库 | 一般不用 原因：删除一个数据，相比更新一个数据更加轻量级，出问题的概率更小 删除缓存思想对应于懒加载，适用于那些加载代价大的操作 |
| 先删除缓存，再更新数据库 | 一般不用 先删除缓存，再更新数据库，在并发的时候，还是会出现缓存和数据库的数据不一致的问题比 【先更新数据库，再删除缓存】的概率要高 |
| 先更新数据库，再删除缓存 | 基本上可以保证数据一致性 写入缓存时，可以加上缓存过期时间，对一致性问题进行兜底 引入消息队列进行重试机制或订阅MySQL的binlog(更新日志)，确保两个操作同时成功 |
Redis缓存穿透！！！
缓存穿透 ：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库，那么当有大量这样的请求到来时，数据库的压力骤增。
缓存穿透的发生一般有这两种情况：
<1> 业务误操作：缓存中的数据和数据库中的数据都被误删除了，所以导致缓存和数据库中都没有数据
<2> 黑客恶意攻击：故意大量访问某些读取不存在数据的业务
解决方案
应对缓存穿透的方案，常见的方案有三种。
- 第一种方案，非法请求的限制；
- 第二种方案，缓存空值或者默认值；
- 第三种方案，使用布隆过滤器快速判断数据是否存在，避免通过查询数据库来判断数据是否存在
第一种方案，非法请求的限制
- 黑客攻击，也会发生缓存穿透，因此在 API 入口处我们要判断求请求参数是否合理，请求参数是否含有非法值、请求字段是否存在，如果判断出是恶意请求就直接返回错误，避免进一步访问缓存和数据库。
- 增强id的复杂度，避免被猜测出id规律
第二种方案，缓存空值或者默认值
针对查询的数据，在缓存中设置一个空值或者默认值，这样后续请求就可以从缓存中读取到空值或者默认值，返回给应用，而不会继续查询数据库。下图左侧为该方案的解决图解
第三种方案，布隆过滤器
上图右侧为该方案图解
布隆过滤器由【初始值都为 0 的位图数组】和【N 个哈希函数】两部分组成。当我们在写入数据库数据时，在布隆过滤器里做个标记，这样下次查询数据是否在数据库时，只需要查询布隆过滤器，如果查询到数据没有被标记，说明不在数据库中。
布隆过滤器会通过 3 个操作完成标记：
- 第一步，使用 N 个哈希函数分别对数据做哈希计算，得到 N 个哈希值
- 第二步，将第一步得到的 N 个哈希值对位图数组的长度取模，得到每个哈希值在位图数组的对应位置
- 第三步，将每个哈希值在位图数组的对应位置的值设置为 1
举个例子，假设有一个位图数组长度为 8，哈希函数 3 个的布隆过滤器。
在数据库写入数据 x 后，把数据 x 标记在布隆过滤器时，数据 x 会被 3 个哈希函数分别计算出 3 个哈希值，然后在对这 3 个哈希值对 8 取模，假设取模的结果为 1、4、6，然后把位图数组的第 1、4、6 位置的值设置为 1。当应用要查询数据 x 是否数据库时，通过布隆过滤器只要查到位图数组的第 1、4、6 位置的值是否全为 1，只要有一个为 0，就认为数据 x 不在数据库中。
布隆过滤器由于是基于哈希函数实现查找的，高效查找的同时存在哈希冲突的可能性，比如数据 x 和数据 y 可能都落在第 1、4、6 位置，而事实上，可能数据库中并不存在数据 y，存在误判的情况。
所以，查询布隆过滤器只能说数据存在，并不一定证明数据库中存在这个数据，但是查询到数据不存在，数据库中一定就不存在这个数据。
这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器是哈希思想，只要哈希思想，就可能存在哈希冲突
Redis缓存雪崩！！！
缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。
发生缓存雪崩有两个原因：
- 大量数据同时过期
- Redis 故障宕机
大量数据同时过期解决方案
随机设置过期时间
如果要给缓存数据设置过期时间，应该避免将大量的数据设置成同一个过期时间。我们可以在对缓存数据设置过期时间时，给这些数据的过期时间加上一个随机数，这样就保证数据不会在同一时间过期
互斥锁
当业务线程在处理用户请求时，如果发现访问的数据不在 Redis 里，就加个互斥锁，保证同一时间内只有一个请求来构建缓存（从数据库读取数据，再将数据更新到 Redis 里），当缓存构建完成后，再释放锁。未能获取互斥锁的请求，要么等待锁释放后重新读取缓存，要么就返回空值或者默认值。
实现互斥锁的时候，最好设置超时时间，不然第一个请求拿到了锁，然后这个请求发生了某种意外而一直阻塞，一直不释放锁，这时其他请求也一直拿不到锁，整个系统就会出现无响应的现象
后台更新缓存
业务线程不再负责更新缓存，缓存也不设置有效期，而是让缓存“永久有效”，并将更新缓存的工作交由后台线程定时更新。
事实上，缓存数据不设置有效期，并不是意味着数据一直能在内存里，因为当系统内存紧张的时候，有些缓存数据会被“淘汰”，而在缓存被“淘汰”到下一次后台定时更新缓存的这段时间内，业务线程读取缓存失败就返回空值，业务的视角就以为是数据丢失了。
解决上面的问题的方式有两种。
第一种方式，后台线程不仅负责定时更新缓存，而且也负责频繁地检测缓存是否有效，检测到缓存失效了，原因可能是系统紧张而被淘汰的，于是就要马上从数据库读取数据，并更新到缓存。
这种方式的检测时间间隔不能太长，太长也导致用户获取的数据是一个空值而不是真正的数据，所以检测的间隔最好是毫秒级的，但是总归是有个间隔时间，用户体验一般。
第二种方式，在业务线程发现缓存数据失效后（缓存数据被淘汰），通过消息队列发送一条消息通知后台线程更新缓存，后台线程收到消息后，在更新缓存前可以判断缓存是否存在，存在就不执行更新缓存操作；不存在就读取数据库数据，并将数据加载到缓存。这种方式相比第一种方式缓存的更新会更及时，用户体验也比较好。
在业务刚上线的时候，我们最好提前把数据缓起来，而不是等待用户访问才来触发缓存构建，这就是所谓的缓存预热，后台更新缓存的机制刚好也适合干这个事情。
Redis 故障宕机解决方案
服务熔断或请求限流机制
因为 Redis 故障宕机而导致缓存雪崩问题时，我们可以启动服务熔断机制，暂停业务应用对缓存服务的访问，直接返回错误，不用再继续访问数据库，从而降低对数据库的访问压力，保证数据库系统的正常运行，然后等到 Redis 恢复正常后，再允许业务应用访问缓存服务。
服务熔断机制是保护数据库的正常允许，但是暂停了业务应用访问缓存服系统，全部业务都无法正常工作
为了减少对业务的影响，我们可以启用请求限流机制，只将少部分请求发送到数据库进行处理，再多的请求就在入口直接拒绝服务，等到 Redis 恢复正常并把缓存预热完后，再解除请求限流的机制。
构建 Redis 缓存高可靠集群
通过主从节点的方式构建 Redis 缓存高可靠集群。如果 Redis 缓存的主节点故障宕机，从节点可以切换成为主节点，继续提供缓存服务，避免了由于 Redis 故障宕机而导致的缓存雪崩问题。
Redis缓存击穿！！！
缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的流量大的请求访问会在瞬间给数据库带来巨大的冲击。
常见的解决方案有两种：
- 互斥锁
- 逻辑过期
解决方案一：互斥锁
假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。
因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。
解决方案二：逻辑过期方案
我们把过期时间设置在 redis的value中假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个线程去进行以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁， 而线程1直接进行返回，假设现在线程3过来访问，由于线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据。
这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据。
缓存异常问题小结
缓存雪崩和缓存击穿主要原因是数据不在缓存中，而导致大量请求访问了数据库，数据库压力骤增
缓存穿透主要原因是数据既不在缓存也不在数据库中
1963
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
